CN115564961A - 基于实时生产数据的工况诊断与预警系统 - Google Patents
基于实时生产数据的工况诊断与预警系统 Download PDFInfo
- Publication number
- CN115564961A CN115564961A CN202210988323.0A CN202210988323A CN115564961A CN 115564961 A CN115564961 A CN 115564961A CN 202210988323 A CN202210988323 A CN 202210988323A CN 115564961 A CN115564961 A CN 115564961A
- Authority
- CN
- China
- Prior art keywords
- working condition
- real
- production data
- data
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 137
- 238000003745 diagnosis Methods 0.000 title claims abstract description 86
- 239000003129 oil well Substances 0.000 claims abstract description 127
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 238000007405 data analysis Methods 0.000 claims abstract description 25
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000010586 diagram Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 18
- 238000007726 management method Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 239000007788 liquid Substances 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 239000012530 fluid Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005086 pumping Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Geology (AREA)
- Emergency Management (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了基于实时生产数据的工况诊断与预警系统，包括工况数据采集层、网络传输管理层和实时生产数据分析层，其特征在于：所述工况数据采集层用于通过硬件设备采集油井生产时的工况数据，所述网络传输管理层用于采用无线传输程序将实时数据传输至关系数据库，所述实时生产数据分析层用于将生产数据进行深度分析得到工况类型和预警信息，所述工况数据采集层、网络传输管理层与实时生产数据分析层网络连接；所述实时生产数据分析层包括数据综合分析模块、工况诊断与预警模块和历史信息转存模块，所述数据综合分析模块用于对生产数据进行综合分析，本发明，具有实时掌握油井生产过程和保障油田安全生产的特点。
Description
技术领域
本发明涉及工况诊断与预警技术领域，具体为基于实时生产数据的工况诊断与预警系统。
背景技术
目前我国油田大多已经进入开采中后期，油气储量减少，出现油井供液不足、油稠、油井出砂等异常井况，井下油气成分复杂，造成抽油杆腐蚀，引起抽油杆断脱等危险井况，井场对油井的工况诊断与预警采用人工巡检，诊断效率低下且故障预警实时性差，实时生产数据的应用没有形成系统分析。因此，设计实时掌握油井生产过程和保障油田安全生产的基于实时生产数据的工况诊断与预警系统是很有必要的。
发明内容
本发明的目的在于提供基于实时生产数据的工况诊断与预警系统，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：基于实时生产数据的工况诊断与预警系统，包括工况数据采集层、网络传输管理层和实时生产数据分析层，所述工况数据采集层用于通过硬件设备采集油井生产时的工况数据，所述网络传输管理层用于采用无线传输程序将实时数据传输至关系数据库，所述实时生产数据分析层用于将生产数据进行深度分析得到工况类型和预警信息，所述工况数据采集层、网络传输管理层与实时生产数据分析层网络连接；
所述实时生产数据分析层包括数据综合分析模块、工况诊断与预警模块和历史信息转存模块，所述数据综合分析模块用于对生产数据进行综合分析，所述工况诊断与预警模块用于通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析得到工况类型和预警信息，所述历史信息转存模块用于将工况诊断结果和预警信息转存至关系数据库，所述数据综合分析模块与工况诊断与预警模块电连接，所述数据综合分析模块与历史信息转存模块电连接。
根据上述技术方案，所述工况数据采集层包括检测仪表单元、自动采集装置单元和数据读取程序单元，所述检测仪表单元与自动采集装置单元电连接，所述自动采集装置单元与数据读取程序单元电连接，所述检测仪表单元用于利用液面采集仪和示功图采集仪器进行油井声波图和示功图的采集，所述自动采集装置单元是基于采集传输控制器的主控芯片进行实时生产数据采集传输，所述数据读取程序单元用于通过通讯电路对采集设备获取的参数进行读取；
所述检测仪表单元包括压力传感器模块和电参采集模块，所述压力传感器模块与电参采集模块电连接，所述压力传感器模块用于通过压力传感器获取油井套管压力值，所述电参采集模块用于利用三相电参采集装置采集显示抽油机工作状态下的三相电流、三相电压和功率参数。
根据上述技术方案，所述网络传输管理层包括4G无线传输模块、数据通信接口模块、后台服务器模块和后台应用单元，所述4G无线传输模块与数据通信接口模块网络连接，所述后台服务器模块与后台应用单元网络连接，所述4G无线传输模块用于将实时生产数据通过4G无线网络进行无线传输，所述数据通信接口模块用于连接ARM控制器和4G无线传输模块以获取实时传输的生产数据，所述后台服务器模块用于作为核心设备建立关系数据库对生产数据进行存储，所述后台应用单元用于通过多硬件设备配合完成实时生产数据的解析显示；
所述后台应用单元包括显示屏、监控主机和数据库服务器，所述显示屏、监控主机与数据库服务器网络连接，所述显示屏用于显示并反应服务器的数据处理结果和油井工况信息，所述监控主机用于安装对应的关系数据库以提供数据查询，网页查询、历史数据调用和数据分析的功能，所述数据库服务器用于接收井场的实时生产数据包并调用油井井况模型进行计算。
根据上述技术方案，所述基于实时生产数据的工况诊断与预警的方法包括以下步骤：
步骤A1：基于油井实时生产数据的工况诊断和预警需求分析，进行系统的硬件平台搭建和软件层面部署；
步骤A2：基于软件层面通过数据采集程序获取油井生产数据，采用无线传输程序将数据传输至关系数据库；
步骤A3：将生产数据进行深度分析，通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析获取工况类型和预警信息；
步骤A4：后台应用层通过连接后台服务器，获取显示实时油井工况诊断与预警信息，并将历史信息转存至关系数据库。
根据上述技术方案，所述步骤A1中，系统硬件平台的搭建方法包括以下步骤：
步骤A11：搭建包括压力传感器、电参采集模块、功图仪、动液面采集仪以及自动采集装置的数据采集硬件层；
步骤A12：构建遵循TCP/IP网络传输协议的4G无线传输方式，即将生产数据传输至后台服务器进行综合分析与应用的网络传输硬件层；
步骤A13：建立以后台服务器为核心设备，涵盖显示屏、监控主机、服务器和打印机的后台应用层硬件设备层。
根据上述技术方案，所述步骤A2进一步包括以下步骤：
步骤A21：通过通讯接口连接采集层的硬件设备，并结合生产数据采集程序，实时采集油井工况生产的套压、动液面、三项电参和示功图的参数数据；
步骤A22：使用组态软件的实时数据库作为数据交换中心，接收服务器的生产数据；
步骤A23：同步根据油井的分布及油井场与后台应用单元监控中心的距离，采用4G无线传输模式对服务器获取的油井生产数据进行实时传输。
根据上述技术方案，所述步骤A3中，油井工况诊断与预警模型的建立与分析方法包括以下步骤：
步骤A31：通过对接收的生产数据中示功图的特征进行提取，对电参有功功率、波动因数、套压、液面计算得到BP神经网络输入；
步骤A32：对油井工况进行分类；
步骤A33：以典型工况为输出，建立油井工况诊断与预警模型。
根据上述技术方案，所述步骤A32中对油井工况进行分类的运行方法进一步包括以下步骤：
步骤A321：通过对单井的历史工况进行查询，基于步骤A31中实时接收的生产数据，分别获取设定周期时段内历史示功图和电功图对应的变化曲线；
步骤A322：定义油井正常生产时示功图为标准地面示功图，根据示功图图像的残缺程度、呈现形状和突出状态，结合电参有功功率深度下降或上升的波动状态，以及呈现的峰值点进行油井工矿分类；
步骤A323：经过对历史记录工况图分析，总结得到多种典型工况，并将其输入BP神经网络进行训练。
根据上述技术方案，所述步骤A33中，油井工况预警方法步骤如下：
步骤A331：基于油井工况诊断与预警模型设定油井工况输出的阈值，生产数据经过特征提取后输入神经网络模型，通过阈值范围判断进行系统报警或系统预警；
步骤A332：当输出大于设定阈值时，认定油井即将发生异常工况，进行预警；
步骤A333：当输出小于设定阙值时，认定油井已经发生异常工况，进行报警。
根据上述技术方案，所述步骤A4中，监控平台对油井生产过程进行监控，支持油井工况查询、工况分析、报警预警和精细管控功能，通过连接算法模型与组态软件实时数据库完成生产数据、诊断结果、报警预警可视化，实现油井工况在线诊断与实时预警。
与现有技术相比，本发明所达到的有益效果是：本发明，通过设置有工况数据采集层、网络传输管理层和实时生产数据分析层，基于实时生产数据的油井工况诊断与预警系统通过建立远程油井工况管理平台，解决人工巡检过程复杂、诊断结果不准确、预警信息不及时等问题，节约油田企业的人工成本和经济支出，且基于多参数融合分析对油井工况进行诊断与预警，提高油井工况诊断准确率，减少异常井况与危险井况的发生，提高了系统的工况诊断效率与实时性，能更好的解决油井异常工况发现不及时，开采效率低下问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的系统模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：基于实时生产数据的工况诊断与预警系统，包括工况数据采集层、网络传输管理层和实时生产数据分析层，工况数据采集层用于通过硬件设备采集油井生产时的工况数据，网络传输管理层用于采用无线传输程序将实时数据传输至关系数据库，实时生产数据分析层用于将生产数据进行深度分析得到工况类型和预警信息，工况数据采集层、网络传输管理层与实时生产数据分析层网络连接；
实时生产数据分析层包括数据综合分析模块、工况诊断与预警模块和历史信息转存模块，数据综合分析模块用于对生产数据进行综合分析，工况诊断与预警模块用于通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析得到工况类型和预警信息，历史信息转存模块用于将工况诊断结果和预警信息转存至关系数据库，数据综合分析模块与工况诊断与预警模块电连接，数据综合分析模块与历史信息转存模块电连接，基于实时生产数据的油井工况诊断与预警系统通过建立远程油井工况管理平台，解决人工巡检过程复杂、诊断结果不准确、预警信息不及时等问题，节约油田企业的人工成本和经济支出，且基于多参数融合分析对油井工况进行诊断与预警，提高油井工况诊断准确率，减少异常井况与危险井况的发生，提高了系统的工况诊断效率与实时性，能更好的解决油井异常工况发现不及时，开采效率低下问题。
工况数据采集层包括检测仪表单元、自动采集装置单元和数据读取程序单元，检测仪表单元与自动采集装置单元电连接，自动采集装置单元与数据读取程序单元电连接，检测仪表单元用于利用液面采集仪和示功图采集仪器进行油井声波图和示功图的采集，自动采集装置单元是基于采集传输控制器的主控芯片进行实时生产数据采集传输，数据读取程序单元用于通过通讯电路对采集设备获取的参数进行读取；
检测仪表单元包括压力传感器模块和电参采集模块，压力传感器模块与电参采集模块电连接，压力传感器模块用于通过压力传感器获取油井套管压力值，电参采集模块用于利用三相电参采集装置采集显示抽油机工作状态下的三相电流、三相电压和功率参数。
网络传输管理层包括4G无线传输模块、数据通信接口模块、后台服务器模块和后台应用单元，4G无线传输模块与数据通信接口模块网络连接，后台服务器模块与后台应用单元网络连接，4G无线传输模块用于将实时生产数据通过4G无线网络进行无线传输，数据通信接口模块用于连接ARM控制器和4G无线传输模块以获取实时传输的生产数据，后台服务器模块用于作为核心设备建立关系数据库对生产数据进行存储，后台应用单元用于通过多硬件设备配合完成实时生产数据的解析显示；
后台应用单元包括显示屏、监控主机和数据库服务器，显示屏、监控主机与数据库服务器网络连接，显示屏用于显示并反应服务器的数据处理结果和油井工况信息，监控主机用于安装对应的关系数据库以提供数据查询，网页查询、历史数据调用和数据分析的功能，数据库服务器用于接收井场的实时生产数据包并调用油井井况模型进行计算。
基于实时生产数据的工况诊断与预警的方法包括以下步骤：
步骤A1：基于油井实时生产数据的工况诊断和预警需求分析，进行系统的硬件平台搭建和软件层面部署；
步骤A2：基于软件层面通过数据采集程序获取油井生产数据，采用无线传输程序将数据传输至关系数据库，通过硬件设备与软件层面采集程序的结合，针对油井工矿实时生产数据的采集和传输，将生产数据传送至后台应用服务器进行进一步分析应用；
步骤A3：将生产数据进行深度分析，通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析获取工况类型和预警信息；
步骤A4：后台应用层通过连接后台服务器，获取显示实时油井工况诊断与预警信息，并将历史信息转存至关系数据库。
步骤A1中，系统硬件平台的搭建方法包括以下步骤：
步骤A11：搭建包括压力传感器、电参采集模块、功图仪、动液面采集仪以及自动采集装置的数据采集硬件层，示功图、动液面、三相电参以及套管压力均可反映油井的生产状态，是实现油井工况诊断与预警的重要参数；
步骤A12：构建遵循TCP/IP网络传输协议的4G无线传输方式，即将生产数据传输至后台服务器进行综合分析与应用的网络传输硬件层，油井工况的实时生产数据通过4G模块进行无线传输，4G模块是集成化的标准模块，实际应用时设计接口电路可实现通讯功能，具有高速传输、性能稳定的传输特点；
步骤A13：建立以后台服务器为核心设备，涵盖显示屏、监控主机、服务器和打印机的后台应用层硬件设备层，后台服务平台的主要任务是完成实时生产数据解析、油井井况模型建立、实时井况分析和数据存储等多项功能，后台应用层中通过在核心设备服务器中建立关系数据库，对生产数据进行存储与综合分析并建立油井工况诊断与预警模型和实时数据库，同步利用显示屏显示油井工况诊断与预警信息，数据服务器、监控主机和数据库配合使用，可以最大程度保证油井工况的诊断结果，使整个系统达到最优化运行状态。
步骤A2进一步包括以下步骤：
步骤A21：通过通讯接口连接采集层的硬件设备，并结合生产数据采集程序，实时采集油井工况生产的套压、动液面、三项电参和示功图的参数数据，套管压力是套管环空形压力，在出现油井供液不足的工况时，合理控制套压能够避免危险井况的发生，油井动液面位置可以反应油井是否稳定生产，三项电参则是主要用作油井状况诊断的参数，示功图涉及的面积大小用于反应抽油机的出力情况，这几项数据均是可以准确判断油井工况的参数，通过对参数的实时获取计算，能对油井生产过程监控，准确判断油井工矿，有助于提高油田生产效率节约生产成本；
步骤A22：使用组态软件的实时数据库作为数据交换中心，接收服务器的生产数据；
步骤A23：同步根据油井的分布及油井场与后台应用单元监控中心的距离，采用4G无线传输模式对服务器获取的油井生产数据进行实时传输。
步骤A3中，油井工况诊断与预警模型的建立与分析方法包括以下步骤：
步骤A31：通过对接收的生产数据中示功图的特征进行提取，对电参有功功率、波动因数、套压、液面计算得到BP神经网络输入，以BP神经网络为基础，建立油井工况诊断模型，利用BP神经网络可以实现非线性映射，把描述故障的征兆集映射到表现故障的模式集中，体现出神经网络工况诊断模型强大的非线性分类能力；
步骤A32：对油井工况进行分类，由于井场有大量生产数据，直接进行工况诊断会造成油井工况诊断结果存在较大误差，因此需要对正常井况和异常井况进行分类后进行工况诊断；
步骤A33：以典型工况为输出，建立油井工况诊断与预警模型。
步骤A32中对油井工况进行分类的运行方法进一步包括以下步骤：
步骤A321：通过对单井的历史工况进行查询，基于步骤A31中实时接收的生产数据，分别获取设定周期时段内历史示功图和电功图对应的变化曲线，示功图和电功图在不同的工况类型中所呈现的变化过程不一，根据历史记录工况图可以很好的对油井工况进行分类；
步骤A322：定义油井正常生产时示功图为标准地面示功图，根据示功图图像的残缺程度、呈现形状和突出状态，结合电参有功功率深度下降或上升的波动状态，以及呈现的峰值点进行油井工矿分类，油井正常生产，示功图为标准地面示功图，图形无残缺，无突出，而电参有功功率波动呈现明显峰值；但当油井供液能力差，液体不能充满泵工作筒运行下冲程开始后，此时示功图右下角出现大量空缺，总体为镰刀形状，而有功功率在供液不足时下冲程时增大，动液面深度下降，当受到气体影响时，由于油气混合物进入泵内，示功图右下方空缺，增载线斜率减小，气体影响时电功图变化不稳定，套压处于正常范围，动液面深度则会下降，因此以示功图图像的残缺程度、呈现形状和突出状态，结合电参有功功率深度下降或上升的波动状态，以及呈现的峰值点可以很好的进行油井工矿的具体分类，并以此为后续训练模型的输入和输出；
步骤A323：经过对历史记录工况图分析，总结得到多种典型工况，并将其输入BP神经网络进行训练。
步骤A33中，油井工况预警方法步骤如下：
步骤A331：基于油井工况诊断与预警模型设定油井工况输出的阈值，生产数据经过特征提取后输入神经网络模型，通过阈值范围判断进行系统报警或系统预警，油井工况预警分析主要针对未发生的井况进行判断，分析异常工况类型中的数据，以10*10单位阵作为理想异常工况输出，设定阈值为10％作为异常工况判断标准，当输出结果在0.9-1.0之间，认为油井生产过程发生故障，当输出在0.5-0.9之间，认为工况介于故障与正常之间，作为临界状态进行系统预警；
步骤A332：当输出大于设定阈值时，认定油井即将发生异常工况，进行预警；
步骤A333：当输出小于设定阙值时，认定油井已经发生异常工况，进行报警。
步骤A4中，监控平台对油井生产过程进行监控，支持油井工况查询、工况分析、报警预警和精细管控功能，通过连接算法模型与组态软件实时数据库完成生产数据、诊断结果、报警预警可视化，实现油井工况在线诊断与实时预警，工况管理界面是基于实时生产数据的油井工况诊断与预警系统软件设计的重要组成部分，将油井生产过程中的工况信息在后台界面展示，方便操作人员了解油井生产的动态生产过程，有助于用户查看油井实时工况、历史工况、报警预警等多种信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于实时生产数据的工况诊断与预警系统，包括工况数据采集层、网络传输管理层和实时生产数据分析层，其特征在于：所述工况数据采集层用于通过硬件设备采集油井生产时的工况数据，所述网络传输管理层用于采用无线传输程序将实时数据传输至关系数据库，所述实时生产数据分析层用于将生产数据进行深度分析得到工况类型和预警信息，所述工况数据采集层、网络传输管理层与实时生产数据分析层网络连接；
所述实时生产数据分析层包括数据综合分析模块、工况诊断与预警模块和历史信息转存模块，所述数据综合分析模块用于对生产数据进行综合分析，所述工况诊断与预警模块用于通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析得到工况类型和预警信息，所述历史信息转存模块用于将工况诊断结果和预警信息转存至关系数据库，所述数据综合分析模块与工况诊断与预警模块电连接，所述数据综合分析模块与历史信息转存模块电连接。
2.根据权利要求1所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述工况数据采集层包括检测仪表单元、自动采集装置单元和数据读取程序单元，所述检测仪表单元与自动采集装置单元电连接，所述自动采集装置单元与数据读取程序单元电连接，所述检测仪表单元用于利用液面采集仪和示功图采集仪器进行油井声波图和示功图的采集，所述自动采集装置单元是基于采集传输控制器的主控芯片进行实时生产数据采集传输，所述数据读取程序单元用于通过通讯电路对采集设备获取的参数进行读取；
所述检测仪表单元包括压力传感器模块和电参采集模块，所述压力传感器模块与电参采集模块电连接，所述压力传感器模块用于通过压力传感器获取油井套管压力值，所述电参采集模块用于利用三相电参采集装置采集显示抽油机工作状态下的三相电流、三相电压和功率参数。
3.根据权利要求2所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述网络传输管理层包括4G无线传输模块、数据通信接口模块、后台服务器模块和后台应用单元，所述4G无线传输模块与数据通信接口模块网络连接，所述后台服务器模块与后台应用单元网络连接，所述4G无线传输模块用于将实时生产数据通过4G无线网络进行无线传输，所述数据通信接口模块用于连接ARM控制器和4G无线传输模块以获取实时传输的生产数据，所述后台服务器模块用于作为核心设备建立关系数据库对生产数据进行存储，所述后台应用单元用于通过多硬件设备配合完成实时生产数据的解析显示；
所述后台应用单元包括显示屏、监控主机和数据库服务器，所述显示屏、监控主机与数据库服务器网络连接，所述显示屏用于显示并反应服务器的数据处理结果和油井工况信息，所述监控主机用于安装对应的关系数据库以提供数据查询，网页查询、历史数据调用和数据分析的功能，所述数据库服务器用于接收井场的实时生产数据包并调用油井井况模型进行计算。
4.根据权利要求3所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述基于实时生产数据的工况诊断与预警的方法包括以下步骤：
步骤A1：基于油井实时生产数据的工况诊断和预警需求分析，进行系统的硬件平台搭建和软件层面部署；
步骤A2：基于软件层面通过数据采集程序获取油井生产数据，采用无线传输程序将数据传输至关系数据库；
步骤A3：将生产数据进行深度分析，通过OPC接口嵌入油井工况诊断与预警模型，对生产数据进行分析获取工况类型和预警信息；
步骤A4：后台应用层通过连接后台服务器，获取显示实时油井工况诊断与预警信息，并将历史信息转存至关系数据库。
5.根据权利要求4所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A1中，系统硬件平台的搭建方法包括以下步骤：
步骤A11：搭建包括压力传感器、电参采集模块、功图仪、动液面采集仪以及自动采集装置的数据采集硬件层；
步骤A12：构建遵循TCP/IP网络传输协议的4G无线传输方式，即将生产数据传输至后台服务器进行综合分析与应用的网络传输硬件层；
步骤A13：建立以后台服务器为核心设备，涵盖显示屏、监控主机、服务器和打印机的后台应用层硬件设备层。
6.根据权利要求5所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A2进一步包括以下步骤：
步骤A21：通过通讯接口连接采集层的硬件设备，并结合生产数据采集程序，实时采集油井工况生产的套压、动液面、三项电参和示功图的参数数据；
步骤A22：使用组态软件的实时数据库作为数据交换中心，接收服务器的生产数据；
步骤A23：同步根据油井的分布及油井场与后台应用单元监控中心的距离，采用4G无线传输模式对服务器获取的油井生产数据进行实时传输。
7.根据权利要求6所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A3中，油井工况诊断与预警模型的建立与分析方法包括以下步骤：
步骤A31：通过对接收的生产数据中示功图的特征进行提取，对电参有功功率、波动因数、套压、液面计算得到BP神经网络输入；
步骤A32：对油井工况进行分类；
步骤A33：以典型工况为输出，建立油井工况诊断与预警模型。
8.根据权利要求7所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A32中对油井工况进行分类的运行方法进一步包括以下步骤：
步骤A321：通过对单井的历史工况进行查询，基于步骤A31中实时接收的生产数据，分别获取设定周期时段内历史示功图和电功图对应的变化曲线；
步骤A322：定义油井正常生产时示功图为标准地面示功图，根据示功图图像的残缺程度、呈现形状和突出状态，结合电参有功功率深度下降或上升的波动状态，以及呈现的峰值点进行油井工矿分类；
步骤A323：经过对历史记录工况图分析，总结得到多种典型工况，并将其输入BP神经网络进行训练。
9.根据权利要求8所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A33中，油井工况预警方法步骤如下：
步骤A331：基于油井工况诊断与预警模型设定油井工况输出的阈值，生产数据经过特征提取后输入神经网络模型，通过阈值范围判断进行系统报警或系统预警；
步骤A332：当输出大于设定阈值时，认定油井即将发生异常工况，进行预警；
步骤A333：当输出小于设定阙值时，认定油井已经发生异常工况，进行报警。
10.根据权利要求9所述的基于实时生产数据的工况诊断与预警系统，其特征在于：所述步骤A4中，监控平台对油井生产过程进行监控，支持油井工况查询、工况分析、报警预警和精细管控功能，通过连接算法模型与组态软件实时数据库完成生产数据、诊断结果、报警预警可视化，实现油井工况在线诊断与实时预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988323.0A CN115564961A (zh) | 2022-08-17 | 2022-08-17 | 基于实时生产数据的工况诊断与预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988323.0A CN115564961A (zh) | 2022-08-17 | 2022-08-17 | 基于实时生产数据的工况诊断与预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115564961A true CN115564961A (zh) | 2023-01-03 |
Family
ID=84739533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210988323.0A Pending CN115564961A (zh) | 2022-08-17 | 2022-08-17 | 基于实时生产数据的工况诊断与预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115564961A (zh) |
-
2022
- 2022-08-17 CN CN202210988323.0A patent/CN115564961A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
| CN109474494A (zh) | 设备检测方法、装置、服务器及存储介质 | |
| CN109681154A (zh) | 一种油井优化控制管理系统、方法及抽油机变频控制方法 | |
| CN109491341B (zh) | 用于油田作业设备的监控与数据分析系统 | |
| CN210222990U (zh) | 输电线路防风拉线在线监测系统 | |
| CN108051709A (zh) | 基于人工智能技术的变压器状态在线评估分析方法 | |
| CN201943686U (zh) | 油井故障实时预警系统 | |
| CN104597858A (zh) | 一种油田管理系统及管理方法 | |
| CN105041631A (zh) | 一种气体压缩机的驱动轴振动信号的检测方法和系统 | |
| CN103912261A (zh) | 无线油井自动计量与检测系统 | |
| CN109507924A (zh) | 用于油田作业设备的远程监控系统 | |
| CN104731079A (zh) | 一种油田数据监测系统及方法 | |
| CN111627199A (zh) | 一种水电站大坝安全监测系统及监测方法 | |
| CN111968356A (zh) | 一种智能化建筑能耗监测系统及方法 | |
| CN106959688A (zh) | 一种车辆故障信息采集方法及装置 | |
| CN105353744A (zh) | 基于物联网的锅炉监控方法 | |
| CN104199394B (zh) | 液压支架电液控制系统电源监控方法、系统及监测子系统 | |
| CN109507986B (zh) | 用于油田作业设备的远程监控方法 | |
| CN104793270A (zh) | 一种综合气象观测网中设备运行状态的综合判定方法 | |
| CN114519511A (zh) | 一种边云端架构的油井全生命周期管理方法及系统 | |
| CN212407002U (zh) | 一种潜油电泵机组监测和故障预测装置 | |
| CN115564961A (zh) | 基于实时生产数据的工况诊断与预警系统 | |
| CN113542026A (zh) | 物联网设备故障定位方法、装置、设备及存储介质 | |
| CN113155222A (zh) | 一种NB-IoT智能水表数据采集终端及其传感器故障检测方法 | |
| CN202748657U (zh) | 一种油气水井智能终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |